Behavioral INR自监督行为表征学习研究
热点事件持续更新
Behavioral INR自监督行为表征学习研究
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
研究人员Andrew Kang和Priya Narasimhan提出自监督生成模型Behavioral INR,将隐式神经表示从视觉领域拓展至行为分析,通过FiLM层调制状态-动作函数学习策略表征。 该模型适用于无策略标签场景,每条轨迹由固定策略生成但不提供标签信息。研究还定义了策略级分布外偏移,涵盖状态分布与动作分布两个维度,以评估模型泛化能力。 实验在MuJoCo及赛车等数据集上验证了方法有效性,提升了策略可辨识性,为无标注条件下的策略识别提供了新路径。
AI 根据报道生成 · 11 小时前更新
最新进展11月20日 13:00
引入 Behavioral INR 从多策略行为数据中学习策略表征报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv · AI引入 Behavioral INR 从多策略行为数据中学习策略表征
研究人员提出自监督生成模型 Behavioral INR,通过 FiLM 层调制状态-动作函数,将隐式神经表示应用于行为领域。模型无需策略标签即可推断策略身份,并在 MuJoCo 及赛车等数据集上提升了策略可辨识性。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 911月20日 18:00
- 近 24 小时变化
- –
02.557.510
18:0020:0022:0011月21日02:0004:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。